围绕AI的媒体炒作可能会让你认为它已经高高在上，即将使所有人类工作变得无关紧要，并准备统治世界。然而，这只是炒作而已。

事实上，基于大语言模型启动人工智能应用业务是非常困难的。我相信，在六个月内，大多数专注于大语言模型应用的初创企业很可能会失败。

Feel free to disagree and comment below.

当今的AI时代与过去的移动互联网时代的一个主要区别是，大多数基本的用户需求已经得到了很好的满足。从衣食住行到娱乐——如今的市场已经饱和。

为了使AI产生影响，它必须解决真正的需求或痛点，而这越来越难以找到。当今大多数AI应用并没有解决关键的痛点；许多应用似乎有些多余，主要是在解决我们认为存在的“问题”。

即使你识别出一个在必要场景中的边缘痛点，AI也不能提供100%稳定和可靠的问题解决方案。 尽管像GPT-4这样的AI能力非常强大，但它们往往达不到我们的期望。如果你仔细查看评估指标，大多数情况下，准确率大约在80%到90%之间。

许多产品功能需要多次调用大语言模型API。因此，80%的成功率平方后只剩下64%的可靠性。如果一个产品只有7或8次在10次中能正常工作，你认为用户还会继续使用它吗？

在当今供过于求的市场中，用户变得非常急躁，用户的时间变得极其宝贵。低成功率会很快让他们失去继续使用产品的耐心。

一个常见的创新标准是，新产品应该比现有解决方案好10倍。然而，鉴于当前AI约70%到80%的成功率，达到这一标准极其困难。

即使你找到了一个关键痛点，并且能够提供一个十倍更好的解决方案，大多数用户可能还是能通过ChatGPT达到类似的效果。当今AI应用面临的另一个挑战是，这个领域的每个人实际上都在与ChatGPT竞争。

大多数AI应用程序的问题都可以通过ChatGPT直接解决，ChatGPT通过对话交互提供了更大的灵活性。将大语言模型封装在用户界面中通常会减少这种灵活性。

ChatGPT作为竞争对手的挑战也在于其强大的品牌效应和用户信任，这对于任何新的AI应用来说都很难匹敌。

仍然根据上述标准，你的AI应用能否在性能上超越ChatGPT十倍？

因此，许多AI应用程序最终在与ChatGPT的比较中失败。

即使你找到了一个关键痛点，提供了一个十倍更好的解决方案，并且提供了一个ChatGPT无法匹敌的、具有优越UI的独特场景，你有没有考虑过AI的成本呢？

鉴于准确性不佳，提高AI应用的成功率往往需要进行大量的提示工程、转换链、少量示例以及甚至多代理协作。这意味着每次交互需要消耗大量的令牌。

即使你能缓解一个小痛点，这些改进是否值得巨大的代币支出？你将如何盈利来补贴这些成本？今天的用户，被大型公司垄断提供的众多免费AI选择宠坏了，不太可能为AI服务支付太多费用。

没有长期盈利的模式来覆盖使用AI所产生的巨额成本，这将是一个死胡同。

因此，基于大语言模型的应用程序从根本上存在缺陷。

也不是全都是悲观的——我对图像、视频和3D等其他模态的潜力持乐观态度。

事实上，尽管没有引起广泛关注，当今最成功的AI应用是在语音合成领域。语音合成并不能解决问题，但它能生成新的流量。而在当今供过于求的世界中，生成流量远比解决问题更重要。

语音合成的显著之处在于它能够创造病毒式传播的内容。

你觉得呢？你同意吗？欢迎讨论！